[发明专利]一种数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，用于确定技能价值，所述方法包括：

获取结构化表示的目标技能的目标技能数据，以及目标场景的目标场景数据；其中，所述目标场景具有对所述目标技能的使用需求；

确定所述目标技能数据与所述目标场景数据之间的需求紧密度数据；

根据所述需求紧密度数据，确定所述目标技能在所述目标场景下的技能价值。

2.根据权利要求1所述的方法，其中，所述确定所述目标技能数据与所述目标场景数据之间的需求紧密度数据，包括：

采用训练好的场景感知网络，对所述目标技能数据和所述目标场景数据进行特征抽取，得到所述需求紧密度数据。

3.根据权利要求2所述的方法，其中，所述场景感知网络包括嵌入层和特征抽取层；

所述嵌入层用于分别对所述目标技能数据和所述目标场景数据进行降维处理，得到技能嵌入向量和场景嵌入向量；

所述特征抽取层用于对所述目标场景数据、所述技能嵌入向量和所述场景嵌入向量中的至少一种进行特征抽取，得到所述需求紧密度数据。

4.根据权利要求3所述的方法，其中，所述需求紧密度数据包括一阶需求紧密度数据、二阶需求紧密度数据和高阶需求紧密度数据中的至少一种；

相应的，所述对所述目标场景数据、所述技能嵌入向量和所述场景嵌入向量中的至少一种进行特征抽取，得到所述需求紧密度数据，包括：

根据所述技能嵌入向量和所述目标场景数据，确定所述一阶需求紧密度数据；

根据所述技能嵌入向量和所述场景嵌入向量，确定所述二阶需求紧密度数据；和/或

根据所述目标场景数据、所述场景嵌入向量和所述技能嵌入向量，确定所述高阶需求紧密度数据。

5.根据权利要求3所述的方法，其中，在所述场景感知网络的模型训练阶段，在对样本技能数据进行降维处理，得到样本技能嵌入向量时，包括：

分别对各所述样本技能数据分时段进行降维处理，得到所述样本技能嵌入向量。

6.根据权利要求5所述的方法，还包括：

根据相邻时段的样本技能嵌入向量之间的距离，构建损失函数；

根据所述损失函数，对所述场景感知网络的网络参数进行优化。

7.根据权利要求1所述的方法，其中，所述根据所述需求紧密度数据，确定所述目标技能在所述目标场景下的技能价值，包括：

采用预先训练好的神经网络模型，根据所述需求紧密度数据，确定所述目标技能在所述目标场景下的技能价值。

8.根据权利要求1所述的方法，其中，所述技能价值包括价值上限和价值下限；

其中，所述价值上限不小于所述价值下限。

9.根据权利要求1-8任一项所述的方法，其中，在根据所述需求紧密度数据，确定目标技能在目标场景下的技能价值之后，所述方法还包括：

确定所述目标技能在所述目标技能的各邻近技能中的支配权重；所述支配权重表示所述目标技能在各所述邻近技能中的重要性；

根据所述支配权重对所述技能价值进行加权，以更新所述技能价值。

10.根据权利要求9所述的方法，其中，所述确定所述目标技能在所述目标技能的各邻近技能中的支配权重，包括：

根据所述目标技能和所述目标技能的各邻近技能的技能关联数据，以及所述需求紧密度数据，确定所述目标技能的支配权重。

11.根据权利要求10所述的方法，其中，所述根据所述目标技能和所述目标技能的各邻近技能的技能关联数据，以及所述需求紧密度数据，确定所述目标技能的支配权重，包括：

采用训练好的技能支配网络，根据所述目标技能和所述目标技能的各邻近技能的技能关联数据，以及所述需求紧密度数据，确定所述目标技能的支配权重。